机构名称：
¥ 1.0
简介：股骨头（ONFH）的骨坏死会产生畸形和残疾，尤其是在年轻患者中。传统上，临床医生在灌注MRI扫描中视觉上估计灌注不足的百分比，为患者预后和疾病阶段提供了重要信息。先前的一项研究开发了hipvasc（髋关节血管）软件，该软件是客观地量化低血管性百分比，但需要通过训练有素的观察者进行无效的手动分割，并设定了通常将人工体鉴定为血管组织的灰色值阈值。在这里，我们提出了CVHIPHASC（计算机视觉髋关节血管），它利用开源MaskRCNN计算机视觉（CV）模型来自动化灌注MRIS分析。这项研究的目的是评估股骨骨epiphysis分割和灌注MRI上的股骨骨physise和非血管组织中的MaskRCNN CV模型的准确性。我们假设使用填充模型的自动定量分析将以高效率提供准确的股骨头和低血压组织的分割。方法：在国际珀斯研究小组（IPSG）中进行了525例灌注MRI扫描患者，并将MRI扫描作为BMP文件出口。鉴定出预防对比，后对比和减法系列，并将运动伪像，缺失序列或质量不佳的图像的患者排除在研究之外，剩下505例患者。该数据集分为351名患者的培训数据集，50名患者的验证数据集和104名患者的测试数据集。三名受过训练的观察者手动将股骨外骨分解在预对比图像上。1）。然后将股骨外侧分析区域（ROI）映射到减法图像中，以充当边界，观察者在股骨外周期ROI中的减法图像上注释了低血管区域。联合（IOU）的交集用于量化每个2D切片上的掩模精度。类内相关性（ICC）与HIPVASC软件的专家临床医生的视觉估计和测量值相比，评估了CV模型低血压测量百分比的准确性。结果部分：将股骨骨分析分割为81％IOU，为不血管性测量提供了准确的边界（图在带有股骨骨外侧边界覆盖的减法图像中，用78％的IOU分割了低血压组织（图2）。当比较训练有素的观察者的测量值与CVHIPHASC的ICC不血管性百分比为0.79（95％CI：0.70，0.86）。CV模型提供了高效的分析，在10秒内处理每个患者的灌注MRI扫描。尽管股骨头边界经常存在，在各种位点进行扫描之间的对比度和成像技术的变化，以及对减法图像的对比度的挑战，但该模型还是能够准确地识别出subtractiation图像中的前对结构图像和非血管造影图像中的外周边界。讨论：CVHIPSVASC以很高的精度和效率分割了股骨外侧分析和低血压区域，提供了与专家临床医生的视觉估计以及先前的HIPVASC软件一致的低血压测量百分比。图像和表：cVhipVASC不需要耗时的手动分割，也不需要使用灰色值阈值，这导致hipvasc将伪像将伪像误认为是血管区域。此外，虽然训练有素的临床医生在HIVPASC或视觉估计中的测量值有时会有所不同，但CVHIPHASC在每次扫描中都采用标准的客观模型。显着性/临床相关性：CVHIPHASC提供了一种有希望的深度学习方法，用于高效，准确地定量灌注MRIS，加速了股骨头骨质症的临床研究速度，并为临床医生提供了快速的预后工具。
一种量化股头的深度学习方法
主要关键词
相关文件推荐
